Critical Review of Data, Models and Performance Metrics for Wind and Solar Power Forecast

Abstract

Global climatic changes and increased carbon footprints provided the main impetus for the decrease in the use of fossil fuels for electricity generation and transportation. Matured manufacturing technologies of solar PV panels and on-shore and off-shore windmills have brought down the cost of generation of electricity using solar energy on par with conventional fossil fuel. Initially, solar and wind power generation was envisioned for microgrids, serving small local communities. However, advancements in power electronics have now facilitated large solar and wind farms to be integrated with main power grids. In this context, hosting capacity, which is the amount of distributed energy resources a grid can accommodate, without significant infrastructure up-gradation, has gained importance. In determining the hosting capacity at a particular location, the uncertainties of wind and solar power generation play a role. Effective forecasting models using time-series weather data can be built to predict wind and solar power generation. This forecast is essential to ensure proper grid operation and control when renewable energy sources are already installed. The forecast is also useful in the planning stages for investment decisions and distribution system planning. While long-term forecasts are rarely needed for the operation of integrated grids, accurate short-term predictive models are necessary for scheduling. This paper presents an extensive review of various forecast models available in the literature. The study mainly focuses on the short-term forecast, providing a critical review of the duration of data used in each model and a synoptic comparison of their performance indices.

Design of an Iterative Method for Optimizing Solar Power Systems using Quad LSTM with IoT Integration Operations

“…Prema et al [7] conducted a review of data, models, and metrics pertaining to solar power forecasting, highlighting existing issues and suggesting improvements for different use case scenarios. However, their work lacks detailed implementation guidance and specific case studies, limiting its practical utility for stakeholders in the renewable energy sector.…”

LSTM Моделін Қолдана Отыра Фотоэлектрлік Электр Станцияларының Электр Энергиясын Өндіруді Қысқа Мерзімді Болжау

“…Шолу күн энергиясын болжаудың маңыздылығын көрсетеді және әртүрлі әдістерді, соның ішінде сандық ауа райы болжамдарын, машиналық оқыту алгоритмдерін және тиімді ансамбльдік үлгілерді қарастырады [23]. Мақалада қысқа мерзімді болжамға және олардың тиімділігіне назар аудара отырып, болжау модельдеріне кең шолу жасай отырып, күн мен жел энергиясын негізгі электр желілеріне сәтті біріктіру үшін болжаудың маңыздылығы қарастырылады [24]. Зерттеу энергия жүйелеріндегі кө-пөлшемді болжау үшін терең оқытудың жаңа жаһандық модельдерінің тиімділігі туралы шолуды ұсынады, олардың қолданылуы мен шектеулеріне баса назар аударады [25].Ұсынылған зерттеу нақты деректерде олардың жоғары дәлдігін дәлелдейтін жаңа әдістерді қолдана отырып, тұрғын үйлердегі электр жүктемесін болжаудың тиімді модельдерін әзірлейді [26].Мақалада жасанды нейрондық желілерді пайдалануға баса назар аудара отырып, күн белсенділігін болжаудың әртүрлі үлгілері қарастырылады және талданады және гибридті және алдын ала деректерді өңдеу арқылы олардың дәлдігін жақсарту әдістері ұсынылған [27].…”

Key Optimization Issues for Renewable Energy Systems under Carbon-Peaking and Carbon Neutrality Targets: Current States and燩erspectives

“…Meanwhile, other methods are uniformly determined as data-driven techniques, which require a large amount of historical data. Their validity and practicality have been excellently verified on different time scales in wind farms and PV stations [17][18][19]. However, the current power forecasting approaches of renewable energy are only validated and applied in some special operation conditions, which should be further tested in various complex and changeable scenarios.…”